Wan2.2Колектори от отворения код за семейства по модела, предназначени за генериране на видео (5Б/14Б) за текст/изображение/видео-на-видео, доставящи 1080p клипове с подобрени движения и контрол.

Программите за генериране на видео Wan2.2 са отворени код с две варианта, 5B и 14B, които поддържат създаването на видео чрез текст, снимки или други видеа. Те могат да създават клипове в четирисотдесет и осма резолюция с подобренoto и контрол за движение. Моделът използва Mixture-of-Experts (MoE) архитектура, кинематографична привлекателност и сложни генерации на движение. Архитектурата на Wan2.2 основава се на видео-модел за разширение на информацията, със съответната MoE архитектура, разделяща процесурането за изместване на шум в хоризонтални стъпки. Това позволява на модела да запази същият струменето-статус, въпреки че увеличава обща съпоставима способност на моделира. Модела Wan2.2 са обучавани на значително по-голяма набор данни, откolyavo на Предшественика му, Wan2.1, с +65.6% повече изображения и +83.2% повече видеа. Този разширение подобрява способността на модела да генерирани обобщения за множество измерения, включващи движения, семантика и естетика. Моделът поддържа генерация на текст до видео и образ до видео с високооктавна резолюция 720P при каденс 24fps, и може да бъде използван на потребителски степен на видеокарти като 4090. Той е сред най-бързите модели с високооктавна резолюция 720P@24fps, в състояние да обслужва както индустриални, така и академични сектори едновременно. Услугата Wan2.2 е интегрирана в няколко-frameworkа, включително Diffusers, ComfyUI и ModelScope, и е използвана за различни приложения, като character animation, replacement (замяна) и аудио-дeterminiran video generiranje. Wan2.2 е бил използан за създаване на единен модел за анимация на характери и замяна с репликация на общо движение и експресия, а също така и модел за генерация на кинематографичен видео с аудио управление, включваща код за инференция, тежести на модела и техен доклад. Моделът също е бил използван за създаване на модел с 5 милиарда параметри, построен с Wan2.2-VAE, който постига съотношение на компресия 16:16:4, поддържайки генериране за текст до видео и изображение до видео при разрешение 720P и 24 снимки в секунда (fps). Модела се разпределява под лиценз от типа open-source и придобива популярност, с над 50 commit-а в репозиторията му на GitHub и големата общества на сътрудничещи и потребители. Wan2.2 е мощен модел за генериране на видеа, който предоставя най-новите достигнали резултати и многообразие за различни приложения, включително анимация на персонажи, замяна и аудио-усилено генериране на кинематографични видеа. Архитектурата и обучителния набор на модела го превръщат в ценно източник за изследователи и разработчици работащи в областта на генериране и обработка на видеа. Моделът е подходящ за различни приложения, между тях са характерната анимация, заместата на персонажи и генериране на състъपनе видео с аудио въздействие. С обектите като всяка инженерна лекционна система, Wan2.2 има и някои ограничения. Тя, например, изисква значително количество ресурси за компютърни изчисления и данни за обучение, за да постигне своята ефективност, и може да не е подходяща за всички видове задачи за генериране на видео. "Математично гледано, постиженията и многообразието на Wan2.2 може да варират в зависимост от конкретния случай на употреба и приложение." В същества, Wan2.2 e мощно и многофункциялон видео генериращ модел, който предлага изключителна ефективност за различни приложения. Неговата архитектура и обучвателната му база данни го превръщат в ценно източство за учени и разработчици, занимаващи се с изграждане и обработка на видео.